CFNet训练加载Mish激活时遇Legacy autograd弃用错误，求解决方案

问题根源 #

你使用的Mish激活函数实现基于旧版PyTorch的torch.autograd.Function写法，未将forward方法定义为静态方法，不符合新版PyTorch的要求，因此触发弃用错误。

解决方案 #

有两种可行的修改方式，任选其一即可：

方式一：修正自定义autograd Function的写法 #

找到项目中Mish激活函数的实现代码，将forward和backward方法改为静态方法，并用ctx替代原代码中的self来处理张量保存与读取：

旧版错误写法示例：

class MishFunction(torch.autograd.Function):
    def forward(self, x):
        self.save_for_backward(x)
        return x * torch.tanh(F.softplus(x))

    def backward(self, grad_output):
        x = self.saved_tensors[0]
        sx = torch.sigmoid(x)
        fx = F.softplus(x).tanh()
        return grad_output * (fx + x * sx * (1 - fx * fx))

修改后的正确写法：

import torch
import torch.nn.functional as F
import torch.nn as nn

class MishFunction(torch.autograd.Function):
    @staticmethod
    def forward(ctx, x):
        ctx.save_for_backward(x)
        return x * torch.tanh(F.softplus(x))

    @staticmethod
    def backward(ctx, grad_output):
        x, = ctx.saved_tensors
        sx = torch.sigmoid(x)
        fx = F.softplus(x).tanh()
        return grad_output * (fx + x * sx * (1 - fx * fx))

class Mish(nn.Module):
    def forward(self, x):
        return MishFunction.apply(x)

方式二：简化Mish实现（推荐） #

新版PyTorch支持自动求导，无需手动定义torch.autograd.Function，直接用纯张量运算实现Mish，代码更简洁且无版本兼容问题：

import torch
import torch.nn.functional as F
import torch.nn as nn

class Mish(nn.Module):
    def forward(self, x):
        return x * torch.tanh(F.softplus(x))

验证修改 #

替换项目中的Mish激活函数实现后，重新启动CFNet训练，即可消除该RuntimeError。

内容的提问来源于stack exchange，提问作者HamedRK89